产品库

将学术论文转换成生动的播客形式

Paper-to-Podcast是一个将学术论文转换成播客形式的工具，通过模拟三个人的讨论来让听众以更自然和人性化的方式理解论文内容。它不仅使复杂的信息更易于吸收，还提供了宝贵的洞见和批判性思考。该工具使用了OpenAI API进行文本到语音的转换，生成具有不同角色特点的逼真声音，使得听众可以在通勤或旅行时通过听而不是读来吸收研究论文的内容。

将文本转换为自然的语音，拥有 1000 多种逼真的 AI 声音。

这是一个强大的文本转语音生成器，拥有超过 1000 种高质量的 AI 语音。适合各种使用场景，如播客、教育和商业内容创作。用户可以利用该平台生成清晰、自然的语音内容，支持语音克隆和音频视频编辑，价格合理，每月仅需 39.99 美元，适合个人和企业使用。

DeepTutor 是一款专注于学术论文阅读的智能助手，支持文本、图表、公式等深度理解。

DeepTutor 是一款面向学术研究与学习的智能工具，通过 AI 技术为用户提供深度的文档解读服务。它不仅能够提取文本信息，还能理解图表、公式等复杂内容，帮助用户快速获取关键信息。该产品主要面向学生、研究人员以及专业人士，旨在提高他们的学习和研究效率。目前，DeepTutor 提供免费试用，用户可以通过上传文件并选择不同的生成模型来体验其强大的功能。

开源的PDF到Podcast工作流构建工具

NotebookLlama是一个开源项目，旨在通过一系列教程和笔记本指导用户构建从PDF到Podcast的工作流。该项目涵盖了从文本预处理到使用文本到语音模型的整个流程，适合对大型语言模型（LLMs）、提示和音频模型零知识的用户。NotebookLlama的主要优点包括易用性、教育性和实验性，它不仅提供了一个参考实现，还鼓励用户通过实验不同的模型和提示来优化结果。

将学术文本和引人入胜的内容转化为互动式双人对话播客。

Notebooklm Podcast 是一个创新的在线服务，它使用先进的人工智能技术将学术论文、文章、书籍或任何文本转换成引人入胜的对话式音频内容。这种服务非常适合学生、专业人士和终身学习者在移动中探索知识。它提供了多功能的内容上传、可定制的声音选项、灵活的会话长度和互动式学习辅助工具，如生成学习指南、测验或讨论点，以增强学习和娱乐体验。此外，它还支持多语言内容生成，可以一键将复杂文本或娱乐故事转化为易于理解的音频内容，并配有文字记录。Notebooklm Podcast 以其用户友好的设计和强大的功能，已经成为学习者和爱好者信赖的工具，它不仅提高了学习效率，也为教育领域带来了革命性的变化。

AI驱动的播客转录与洞察工具

HyperCatcher是一款利用人工智能技术为播客听众提供转录服务的应用程序。它能够在后台自动转录用户收听的播客内容，并提供搜索和参考的文本。此外，它还具备即时获取讨论话题来源、笔记链接、上下文操作等高级功能，帮助用户更深入地学习和理解播客内容。

将学术论文转化为AI生成的音频讨论。

Illuminate是谷歌推出的一个创新的教育工具，它利用人工智能技术将复杂的学术论文转化为易于理解的音频讨论，帮助用户以更直观、互动的方式学习和理解学术内容。该产品通过简化学习过程，提高了学习效率，尤其适合快节奏和多样化的学习需求。

AI文字转语音转换器

AnyToSpeech是一款简洁易用的文字转语音解决方案，支持将文本、PDF、文档、扫描件和图片转换为语音。用户可以免费使用500个字符，超出部分需登录使用。该产品还提供文档、网址、扫描件或图片转语音的功能，并支持生成AI语音、教育、YouTube视频内容创作、文章转音频、有声书、PDF文档朗读、新闻摘要、播客制作等多种应用场景。用户可根据需求选择不同的价格套餐，提供一次性购买和包月订阅两种付费方式，并且产品还提供免费试用、退款政策和随时取消订阅等服务。

一款帮助科研人员发现学术论文的强大工具。

Ai2 PaperFinder 是一个致力于帮助科研人员快速找到所需文献的在线工具。该平台汇聚了超过 800 万篇全文论文及 1.08 亿篇摘要，具备强大的文献检索和合成功能。通过简单的关键词搜索，用户可以迅速获取相关研究，极大地提高了科研效率。该产品的背景源于对科研文献的迫切需求，定价为免费，适合各类科研人员使用。

一款先进的视觉推理模型，能分析图片和视频内容。

QVQ-Max 是 Qwen 团队推出的视觉推理模型，能够理解和分析图像及视频内容，提供解决方案。它不仅限于文本输入，更能够处理复杂的视觉信息。适合需要多模态信息处理的用户，如教育、工作和生活场景。该产品是基于深度学习和计算机视觉技术开发，适用于学生、职场人士和创意工作者。此版本为首发，后续将持续优化。

业界首个超大规模混合 Mamba 推理模型，强推理能力。

混元T1 是腾讯推出的超大规模推理模型，基于强化学习技术，通过大量后训练显著提升推理能力。它在长文处理和上下文捕捉上表现突出，同时优化了计算资源的消耗，具备高效的推理能力。适用于各类推理任务，尤其在数学、逻辑推理等领域表现优异。该产品以深度学习为基础，结合实际反馈不断优化，适合科研、教育等多个领域的应用。

LG AI 推出的开源推理 AI 模型，具备卓越的推理能力。

EXAONE Deep 是 LG AI Research 推出的先进推理 AI 模型，标志着韩国在全球 AI 市场中的竞争力。它具备 32 亿参数，表现卓越，尤其在数学和科学问题解决方面展现出色。该模型的发布使得 LG 在 AI 领域迈入了自主决策的时代，其开源特性使得更多开发者能够利用这一技术进行研究与开发。EXAONE Deep 的轻量级和在设备上的模型设计使得其适用于多个行业，包括教育、科学研究、编程等。

Jellypod 2.0 是一款革命性的 AI 播客工具，支持视频和多种。

Jellypod 2.0 是一款全新的 AI 播客创作平台，旨在提供更高的创作自由度和灵活性。它不仅支持音频播客，还能生成视频内容，帮助用户提升播客的视觉效果和受众参与度。通过强大的 AI 技术，Jellypod 2.0 让用户无需设计技能即可创建专业的封面艺术，同时支持多语言播出和一键发布到多个平台。该产品适合各种类型的播客创作者，提供丰富的创作工具和发布选项，帮助他们更快地成长和吸引听众。

集无限画布、AIGC、项目看板、音视频会议等功能于一体的可视化在线协作空间

英飞·思想家是一个AIGC赋能的可视化在线协作空间，旨在通过无限画布、音视频会议、思维导图等功能，为企业和团队提供高效协作的数字平台。它支持实时和异步协作，适用于多种场景，如项目管理、头脑风暴、培训等。产品定位为提升团队协作效率，促进知识共享和创新。目前提供个人免费使用和团队免费试用，具体定价需查看官网。

一款开源的14B参数量的数学模型，通过强化学习训练，性能卓越。

Light-R1-14B-DS 是由北京奇虎科技有限公司开发的开源数学模型。该模型基于 DeepSeek-R1-Distill-Qwen-14B 进行强化学习训练，在 AIME24 和 AIME25 数学竞赛基准测试中分别达到了 74.0 和 60.2 的高分，超越了许多 32B 参数量的模型。它在轻量级预算下成功实现了对已经长链推理微调模型的强化学习尝试，为开源社区提供了一个强大的数学模型工具。该模型的开源有助于推动自然语言处理在教育领域的应用，特别是数学问题解决方面，为研究人员和开发者提供了宝贵的研究基础和实践工具。

一款用于检测文本是否由人工智能生成并可将AI文本改写为人类风格的工具。

该产品通过先进的技术检测文本是否由人工智能生成，同时提供文本改写功能，使AI生成的文本具有人类写作的自然风格。它对维护内容的原创性和真实性具有重要意义，尤其在学术、教育、内容创作等领域。产品完全免费，无需注册，支持多语言，适合广泛用户。

提供书籍总结的平台，支持听书和下载PDF、EPUB格式。

DeepSummary是一个专注于提供书籍总结的在线平台，旨在通过简洁高效的方式帮助用户快速获取书籍的核心内容。该平台支持多种书籍类别，包括科学、历史、哲学等，并提供听书和下载功能，方便用户随时随地学习。其主要优点是节省时间、提升知识获取效率，适合忙碌的专业人士和学习者。平台采用付费模式，价格亲民，提供灵活的订阅计划，致力于帮助用户实现个人和职业目标。

一个用于生成对话式语音的模型，支持从文本和音频输入生成高质量的语音。

CSM 是一个由 Sesame 开发的对话式语音生成模型，它能够根据文本和音频输入生成高质量的语音。该模型基于 Llama 架构，并使用 Mimi 音频编码器。它主要用于语音合成和交互式语音应用，例如语音助手和教育工具。CSM 的主要优点是能够生成自然流畅的语音，并且可以通过上下文信息优化语音输出。该模型目前是开源的，适用于研究和教育目的。

Zonos TTS 是一款支持多语言、情感控制和零样本文本到语音克隆的高质量 AI 文本转语音技术。

Zonos TTS 是一款先进的 AI 文本转语音技术，支持多语言、情感控制和零样本语音克隆。它能够生成自然、富有表现力的语音，适用于教育、有声读物、视频游戏、语音助手等多种场景。该技术通过高质量音频输出（44kHz）和快速实时处理能力，为用户提供高效且个性化的语音生成解决方案。虽然产品本身并非完全免费，但提供了灵活的定价方案以满足不同用户的需求。

一个关于大型语言模型（LLM）后训练方法的教程、调查和指南资源库。

Awesome-LLM-Post-training 是一个专注于大型语言模型（LLM）后训练方法的资源库。它提供了关于 LLM 后训练的深入研究，包括教程、调查和指南。该资源库基于论文《LLM Post-Training: A Deep Dive into Reasoning Large Language Models》，旨在帮助研究人员和开发者更好地理解和应用 LLM 后训练技术。该资源库免费开放，适合学术研究和工业应用。

SmolVLM2 是一个专注于视频内容分析和生成的轻量化语言模型。

SmolVLM2 是一种轻量级的视频语言模型，旨在通过分析视频内容生成相关的文本描述或视频亮点。该模型具有高效性、低资源消耗的特点，适合在多种设备上运行，包括移动设备和桌面客户端。其主要优点是能够快速处理视频数据并生成高质量的文本输出，为视频内容创作、视频分析和教育等领域提供了强大的技术支持。该模型由 Hugging Face 团队开发，定位为高效、轻量化的视频处理工具，目前处于实验阶段，用户可以免费试用。

Manus 是一款由 Monica.im 研发的全球首款 AI Agent 产品，能够自主解决复杂任务。

Manus 是由 Monica.im 研发的全球首款真正自主的 AI 代理产品，能够直接交付完整的任务成果，而不仅仅是提供建议或答案。它采用 Multiple Agent 架构，运行在独立虚拟机中，能够通过编写和执行代码、浏览网页、操作应用等方式直接完成任务。Manus 在 GAIA 基准测试中取得了 SOTA 表现，展现了强大的任务执行能力。其目标是成为用户在数字世界的‘代理人’，帮助用户高效完成各种复杂任务。

NextGenAI 是 OpenAI 发起的联盟，旨在通过 AI 加速研究突破和变革教育。

NextGenAI 是由 OpenAI 发起的联盟，联合了 15 所领先研究机构，致力于利用 AI 加速研究突破和变革教育。该联盟获得 OpenAI 提供的 5000 万美元研究资助、计算资金和 API 访问权限，支持学生、教育工作者和研究人员拓展知识前沿。通过联合美国及海外的机构，NextGenAI 旨在以比单一机构更快的速度推动进步，培养下一代能够塑造 AI 未来的领导者。

Pinch 是一款支持 30 多种语言的实时 AI 语音翻译工具，专为视频通话和网络研讨会设计。

Pinch 是一款创新的实时 AI 语音翻译工具，旨在消除视频通话中的语言障碍。它利用先进的 AI 技术，提供即时、准确的语音翻译，支持 30 多种语言。该产品适用于跨国企业、教育机构、家庭和个人，帮助用户实现无缝沟通。Pinch 的主要优点包括高翻译准确率、支持多种语言以及无需额外设备即可使用。它通过减少语言障碍，促进了全球范围内的商业合作、教育交流和家庭联系，具有重要的商业和教育价值。

基于Llama框架的TTS基础模型，兼容16万小时标记化语音数据。

Llasa是一个基于Llama框架的文本到语音（TTS）基础模型，专为大规模语音合成任务设计。该模型利用16万小时的标记化语音数据进行训练，具备高效的语言生成能力和多语言支持。其主要优点包括强大的语音合成能力、低推理成本和灵活的框架兼容性。该模型适用于教育、娱乐和商业场景，能够为用户提供高质量的语音合成解决方案。目前该模型在Hugging Face上免费提供，旨在推动语音合成技术的发展和应用。

Aria Gen 2 是一款用于机器感知、情境 AI 和机器人研究的新型智能眼镜。

Aria Gen 2 是 Meta 推出的第二代研究级智能眼镜，专为机器感知、情境 AI 和机器人研究而设计。它集成了先进的传感器和低功耗的机器感知技术，能够实时处理 SLAM、眼动追踪、手势识别等功能。该产品旨在推动人工智能和机器感知技术的发展，为研究人员提供强大的工具来探索如何让 AI 更好地理解人类视角的世界。Aria Gen 2 不仅在技术上取得了突破，还通过与学术界和商业研究实验室的合作，促进了开放研究和公众对这些关键技术的理解。

Saywise 是一个提供免费直播AMA活动的平台，用户可以与行业专家互动交流。

Saywise 是一个专注于提供“Ask Me Anything”（AMA）活动的平台，通过与行业专家的实时互动，用户能够获取第一手的行业知识和经验分享。该平台的核心功能是连接用户与专业人士，打破知识传递的壁垒，使用户能够在轻松的环境中学习和提问。Saywise 的主要优点在于其免费的活动形式和广泛的行业覆盖，适合学生、职场人士以及对特定领域感兴趣的学习者。平台目前以免费形式运营，旨在扩大用户群体并提升社区影响力。

TheoremExplainAgent 是一个用于生成多模态定理解释视频的智能系统。

TheoremExplainAgent 是一款基于人工智能的模型，专注于为数学和科学定理生成详细的多模态解释视频。它通过结合文本和视觉动画，帮助用户更深入地理解复杂概念。该产品利用 Manim 动画技术生成超过 5 分钟的长视频，填补了传统文本解释的不足，尤其在揭示推理错误方面表现出色。它主要面向教育领域，旨在提升学习者对 STEM 领域定理的理解能力，目前尚未明确其价格和商业化定位。

一个用于将书籍转为有声读物、剧本转为播客的音频生成平台。

ElevenLabs Studio 是一个专注于音频内容创作的平台，利用先进的人工智能技术，能够将文本内容转化为高质量的音频。其主要优点包括支持多种文件格式、提供丰富的语音库、能够根据情感和上下文调整语音表达等。该平台适用于有声读物制作、播客创作等场景，能够帮助创作者高效地生成音频内容，提升创作效率和质量。其定价策略可能因用户需求和使用场景而异，具体价格可参考官网的定价页面。

提供动画形式的书籍总结，帮助视觉学习者快速掌握书籍核心内容。

BookWatch 是一个专注于为视觉学习者提供动画形式的书籍总结的平台。它通过生动的动画和简洁的总结，帮助用户快速理解书籍的核心思想，节省阅读时间。该平台涵盖多种书籍类别，包括商业、心理学、文学等，适合不同领域的学习者。其技术优势在于将复杂的书籍内容转化为易于理解的视觉形式，提升学习效率。BookWatch 定位为教育工具，旨在通过创新的学习方式，帮助用户更好地吸收知识。